典型文献
长期记忆增强的时间感知序列推荐算法
文献摘要：
针对现有序列推荐算法时间信息利用不充分的问题,提出一种多时间嵌入模式,用动态融合策略缓解现有序列推荐算法长期偏好建模不充分的问题.多时间嵌入模式能同时建模用户物品交互的绝对时间信息和相对时间信息,充分捕获用户物品交互关于时间的多种规律.动态融合网络根据用户意图动态融合用户的长期偏好和近期偏好,精准刻画用户兴趣,提升推荐结果的多样性.在公共数据集MovieLens-1M和Amazon-Beauty上将该长期记忆增强的时间感知序列推荐算法与现有算法进行对比,结果表明,该算法在评价指标HR@N和NDCG@N上均较对比方法有提高.实验结果表明,长期记忆增强的时间感知序列推荐算法较其他对比序列推荐算法准确率有一定提高.
文献关键词：
深度学习;推荐算法;注意力机制;时间嵌入;长短期兴趣
中图分类号：
作者姓名：
陈继伟;汪海涛;朱兴翔;姜瑛;陈星
作者机构：
昆明理工大学 信息工程与自动化学院,昆明650504;国家电投云南国际电力投资有限公司,昆明650100
文献出处：
引用格式：
[1]陈继伟;汪海涛;朱兴翔;姜瑛;陈星-.长期记忆增强的时间感知序列推荐算法)[J].吉林大学学报（理学版）,2022(04):919-928
A类：
B类：
长期记忆,记忆增强,时间感知,序列推荐,推荐算法,时间信息,信息利用,时间嵌入,嵌入模式,动态融合,融合策略,长期偏好,关于时间,融合网络,用户意图,用户兴趣,公共数据,MovieLens,1M,Amazon,Beauty,上将,NDCG,比方,注意力机制,长短期兴趣
AB值：
0.371081
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
